DUET 论文入选 NeurIPS：RL 训练提速 2.51 倍超越 GRPO

入选 NeurIPS 2026 的论文 DUET 已开源，它在固定训练 token 预算下用单一拉格朗日乘子联合分配 prompt 数量（rollout 次数）与每条 rollout 的最大 token 上限。